@techreport{20.500.12134/5694,
author = {Moreno-Gutiérrez, José Fernando},
author = {Melo-Velandia, Luis Fernando},
year = {2011},
month = {10},
url = {https://repositorio.banrep.gov.co/handle/20.500.12134/5694},
abstract = {Este documento describe la metodología desarrollada por Vapnik (1995), denominada máquinas de vectores de soporte (SVM, por sus siglas en inglés) y realiza dos aplicaciones al caso de clasificación de agentes para el otorgamiento de créditos a partir de sus características. El primer caso de estudio clasifica individuos de un banco alemán. En el segundo caso se pronostica el incumplimiento del pago de créditos comerciales otorgados a empresas colombianas utilizando las características iniciales del crédito. SVM se compara con dos metodologías utilizadas en el análisis de este tipo de problemas, regresión logística y análisis lineal discriminante. Los resultados arrojan un mejor desempeño en la predicción por parte de SVM respecto a las otras dos metodologías.},
publisher = {Banco de la República},
booktitle = {Borradores de Economía},
volume = {Borradores de Economía; No. 677},
keywords = {Clasificación},
keywords = {Máquinas de aprendizaje},
keywords = {Riesgo de crédito},
keywords = {Support vector machines},
title = {Pronóstico de incumplimientos de pago mediante máquinas de vectores de soporte : una aproximación inicial a la gestión del riesgo de crédito},
doi = {https://doi.org/10.32468/be.677},
}